2. 开发环境搭建：STM32CubeMX安装与配置，STM32CubeIDE安装，X-CUBE-AI扩展包安装，Python与TensorFlow环境准备
说实话，很多做嵌入式AI的朋友，最后模型跑不起来，问题往往出在环境搭建这一步。不是工具版本不匹配，就是路径带中文，再不然就是Python库冲突。我刚开始搞STM32Cube AI那会儿，光装环境就折腾了两天。
这一章，咱们就把这些工具挨个捋一遍。你跟着我的步骤走，基本不会踩坑。
2.1 STM32CubeMX：项目生成的起点
STM32CubeMX是ST官方出的一款图形化配置工具。说白了，它就是帮你生成初始化代码的。你点点鼠标，选好芯片、配好时钟、设好外设，它就能给你生成一套完整的HAL库工程。
安装步骤：
- 去ST官网下载最新版STM32CubeMX（目前是6.x版本）。
- 运行安装包，选好安装路径。注意：路径不要带中文和空格！
- 安装完成后，首次启动会提示你更新固件包。建议把常用的F4、F7、H7系列都下载下来。
我的习惯：我会在D盘建一个
STM32Cube_Repository 文件夹，专门放固件包。这样重装系统后，直接把路径指过去就行，不用重新下载。
配置要点：
- 打开CubeMX，点击 Help → Manage embedded software packages，勾选你需要的系列。
- 在 Help → Updater Settings 里，把固件包路径设到刚才建的文件夹。
- 我建议把 自动检查更新 关掉。不然每次打开都弹窗，挺烦的。
2.2 STM32CubeIDE：一站式开发环境
STM32CubeIDE是ST基于Eclipse打造的免费IDE。它集成了编译器、调试器，还直接跟CubeMX打通。你从CubeMX生成的项目，可以直接在IDE里打开编译。
安装注意事项：
- 同样，安装路径不要有中文。
- 安装时会让你选 Workspace 路径。我习惯在项目根目录下建一个
workspace文件夹，每个项目单独一个workspace。 - 安装完成后，建议先装一下 ST-Link驱动。不然连不上调试器。
我曾经踩过的坑：有次我装完IDE，发现编译报错说找不到头文件。查了半天，原来是CubeMX生成的工程路径太深，Windows路径长度超限了。后来我把项目直接放在D盘根目录下，问题就解决了。
2.3 X-CUBE-AI扩展包：连接AI与MCU的桥梁
X-CUBE-AI是ST官方出的AI扩展包。它的作用，就是把训练好的神经网络模型，转换成能在STM32上跑的C代码。
安装方式有两种：
| 方式 | 操作步骤 | 适用场景 |
|---|---|---|
| 通过CubeMX安装 | 在CubeMX的 Software Packs 里搜索X-CUBE-AI，勾选安装 | 最推荐，版本匹配有保障 |
| 手动下载安装 | 从ST官网下载压缩包，解压到指定目录 | 网络不好时备用 |
版本选择建议：
- 目前X-CUBE-AI最新是8.x版本，支持TensorFlow Lite、ONNX、Keras等多种格式。
- 如果你用的是老款芯片（比如STM32F4），建议用7.x版本，更稳定。
- 新项目直接上8.x，支持更多算子优化。
核心逻辑：X-CUBE-AI本质上是一个模型编译器。它把你的模型解析、量化、优化，最后生成一组C函数。你只需要调用这些函数，就能在MCU上做推理。
2.4 Python与TensorFlow环境准备
这部分是AI模型训练的基础。你想想看，没有Python环境，你怎么训练模型？
Python环境搭建：
- 下载Python 3.8或3.9版本。不要用3.10以上版本，有些库还不兼容。
- 安装时勾选 Add Python to PATH。
- 打开命令行，输入
python --version验证安装成功。
TensorFlow安装：
# 建议用虚拟环境，避免库冲突
python -m venv tf_env
tf_env\Scripts\activate # Windows
source tf_env/bin/activate # Linux/Mac
# 安装TensorFlow
pip install tensorflow==2.10.0
# 验证安装
python -c "import tensorflow as tf; print(tf.__version__)"
我的经验：我习惯用
requirements.txt 管理依赖。每次项目开始前，先建一个虚拟环境，然后 pip install -r requirements.txt。这样换电脑时，环境能一秒复现。
其他必备库：
- numpy：数据处理必备
- matplotlib：画图看训练效果
- scikit-learn：数据预处理和评估
- onnx：模型格式转换（如果需要）
2.5 环境验证：跑通第一个AI示例
环境搭好了，怎么知道能不能用？我建议你跑一个简单的示例验证一下。
验证流程：
- 在CubeMX里新建一个项目，选好芯片（比如STM32F746G-DISCO）。
- 在 Software Packs 里勾选X-CUBE-AI。
- 配置好时钟和串口。
- 生成代码，在IDE里编译下载。
- 打开X-CUBE-AI的验证工具，导入一个简单的模型（比如手写数字识别）。
- 看输出结果是否正确。
注意：第一次验证时，可能会遇到 堆栈溢出 的问题。这是因为AI推理需要较大的栈空间。你需要在CubeMX里把 Heap Size 和 Stack Size 调大一些。我一般设成0x2000以上。
2.6 知识结构总览
下面这张图，把整个开发环境的关系理清楚了。你一看就明白。
你看，整个流程其实很清晰。从Python训练，到X-CUBE-AI转换，再到CubeMX生成工程，最后在IDE里编译调试。每一步都有对应的工具。